Wissen, was tatsächlich los ist
Am Ende des Lackierprozesses wird die Karosserie in der Qualitätskontrolle überprüft, um sicherzustellen, dass sie den Standards entspricht. Wie gut die einzelnen Prozessschritte je Auto ausgeführt wurden, lässt sich nur mit einer durchgängigen Datenpipeline beantworten. Diese Insights sind gerade dann spannend, wenn sie Automobilherstellern helfen, Fehler zu identifizieren und die Leistung, Verfügbarkeit und Effizienz ihres Equipments zu verbessern. Um das zu erreichen, benötigt man eine leistungsstarke Software, die kontinuierlich hochfrequente Daten über die gesamte Anlage liefert.
Datensammlung über Steuerungseinheiten
Jeder Prozess in der Lackieranlage erzeugt Daten, die primär zur Steuerung, Überwachung und Analyse der Anlage dienen. Ein Beispiel hierfür ist die Messung der Temperatur durch einen Temperaturfühler. Die Daten werden an die Steuerung übermittelt, um ein Heizelement zur Regulierung der Temperatur anzusteuern. Früher wurden diese Prozessdaten nicht genutzt und waren somit "verloren", da die Steuerung immer nur mit aktuellen Momentaufnahmen arbeitet. Des Weiteren werden die Daten zur Anzeige in einer Visualisierung genutzt. Dabei ist die sogenannte OPC-Schnittstelle für viele Anwendungszwecke ausreichend, jedoch nicht für schnelle Prozesse, die Echtzeitdaten erfordern.
Im Detail erkennen, was passiert
In Lackieranlagen variiert der Bedarf an Daten: Im Anlagenbau werden in der Regel keine hochfrequenten Daten benötigt, also Daten, die in vier Millisekunden zur Verfügung stehen. Dies liegt daran, da aufgrund der Größe und der Prozessdauer – etwa in einem Trockner – keine schnellen Prozessänderungen notwendig sind. In der Applikationstechnik sieht das anders aus. Hier bewegen sich Roboter und anderes Equipment viel schneller, wodurch Daten bereits innerhalb von vier bis acht Millisekunden benötigt werden. „Das liefert vor allem interessante Einblick im Sealingbereich und der Lackapplikation, da ein Roboter etwa 100 Millionen Signalwerte pro Tag erzeugt. Eine manuelle, visuelle Auswertung dieser Daten ist schlichtweg nicht möglich“, erklärt Robin Heim, Product Owner bei der Digital Factory von Dürr. Die digitale Analyse der hochfrequenten Prozessdaten bietet Anwender im Modul Visual Analytics den Vorteil, dass sie durch Zeitlupenaufnahmen im Detail erkennen können, was im Prozess tatsächlich passiert.
Die neue Art der Datenspeicherung
Um Vorgänge über verschiedene Zeiträume zu analysieren und zu verstehen, warum beispielsweise die Lackqualität variiert, ist eine intelligente Datenspeicherung erforderlich. Hier kommt der Data Recorder ins Spiel. Er schreibt die Daten in eine Datenbank und verknüpft die Messwerte mit einem genauen Datum. So werden aus den gesammelten Prozessdaten (Big Data) Smart Data. „In bisherigen Datenbanken gab es technische Beschränkungen wie begrenzten Speicherplatz oder eine festgelegte Speicherdauer von maximal 14 Tagen. Die neue Speicherart basiert auf dem eigens entwickelten „Time Series DataStore“ und ist auf die Speicherung von Zeitreihendaten optimiert“, ergänzt Heim. Sie ermöglicht eine Datenspeicherung von ein bis fünf Jahren bei gleichzeitig geringerem Speicherplatzbedarf.
Die Beta-Site für den Time Series DataStore hat Dürr bei einem großen deutschen Automobilhersteller erfolgreich abgeschlossen. Dort ermöglicht DXQequipment.analytics eine umfassende Analyse vergangener Ereignisse in der Station, indem es potenzielle Probleme identifiziert und wertvolle Einblicke liefert. Dies unterstützt unseren Kunden dabei, anhand historischer Vorkommnisse, proaktiv Lösungen zu entwickeln und die Qualität künftiger Prozesse zu verbessern.
Anwendungserfolge im Sealing
Ein großes Problem bei der Nahtabdichtung sind Applikationsaussetzer. Die dadurch entstehenden Lücken in der Abdichtnaht sind ein Qualitätsmangel, da das Fahrzeug an diesen Stellen anfällig für Korrosion wird. Im Nachhinein ist dieser Mangel jedoch nur schwer zu beheben. Durch den Einsatz von DXQequipment.analytics wurde bei einem OEM-Kunde nachgewiesen, dass dieses Phänomen mit kurzzeitigen Spitzen im Applikationsdruck einherging. Auf dieser Grundlage wurde im Projekt eine automatische Überwachung im Modul Streaming Analytics entwickelt. Dieser Algorithmus überwacht den Applikationsdruck und erkennt im Live-Betrieb Druckspitzen, die auf nicht applizierte Stellen auf der Karosserie hinweisen. Die Vorteile liegen auf der Hand: Qualitätsprobleme können frühzeitig erkannt und behoben werden, wodurch eine manuelle Nachkontrolle überflüssig wird.
Letztendlich ermöglichen durchgängige Datenpipelines mit hochfrequenten Daten auch die Erstellung von Karosserie-Lebensakten, in denen alle Prozessparameter des gesamten Lackierprozess festgehalten werden.
WEITERE VERWANDTE
BEITRÄGE
Neue DXQ-Lösung spart Energie
Flexibilisierung der Temperatur- und Feuchteregelung von Zuluftanlagen
KI in der Lackieranlage
Mit künstlicher Intelligenz zu mehr Effizienz
Virtuelle Inbetriebnahme
Der Prüfstand für robuste Software bei Klebeapplikationen